dépêche

 - 

Des applis mobiles pour prédire le risque d'exacerbations de BPCO et détecter le Covid-19 grâce à la voix

BARCELONE, 5 septembre 2022 (APMnews) - Des applications mobiles utilisant l'intelligence artificielle apparaissent comme des outils d'aide à la prédiction des exacerbations de bronchopneumopathie obstructive chronique (BPCO) ou à la détection des cas de Covid-19 en analysant la voix des patients, selon des études britannique et néerlandaise présentées lundi au congrès de l'European Respiratory Society (ERS) qui se tient à Barcelone et à distance.
"Ces deux études illustrent le potentiel de l'intelligence artificielle [IA], des applis mobiles et d'autres dispositifs numériques pour faire la différence dans la prise en charge des maladies. L'accès à davantage de données pour entraîner ces modèles, avec des groupes contrôles appropriés et de multiples études de validation, permettra d'améliorer leur précision et leur fiabilité", commente le président du comité scientifique de l'ERS, le Pr Chris Brightling de l'université de Leicester (Royaume-Uni), dans un communiqué de la société savante.
Dans la BPCO, Henry Glyde de l'université de Bristol et ses collègues ont mené une étude montrant qu'une IA pouvait servir à prédire, à l'aide des données issues d'une appli mobile, les risques des patients atteints de BPCO de développer une exacerbation.
L'appli myCOPD (pour "maBPCO") a été développée à la fois par des médecins et des patients et mise à disposition en 2016 dans le système de santé britannique, le National Health Service (NHS). Plus de 15.000 patients l'utilisent pour gérer leur maladie.
Les chercheurs ont utilisé 45.636 enregistrements de 183 patients entre août 2017 et décembre 2021 parmi lesquels 45.007 correspondaient à des périodes stables et 629 à des exacerbations. Les données renseignées portaient sur les symptômes, leur sévérité ainsi que les exacerbations.
Ils ont entraîné leur modèle à partir de 70% de ces données puis l'ont testé avec les 30% restantes, indiquent-ils dans leur poster.
L'IA a permis de prédire la survenue d'une exacerbation avec une sensibilité de 32% mais une spécificité de 95%, ce qui signifie que les données de l'appli permettent mieux d'écarter une exacerbation et d'éviter un traitement inutile que de prédire lorsqu'elle risque de survenir. "Nous allons améliorer ce point dans la prochaine étape de nos travaux", indique Henry Glyde.
Selon le responsable du projet, le Dr James Dodd de l'université de Bristol, c'est "la première étude de ce genre à développer un modèle d'IA à partir des données en vie réelle des patients atteints de BPCO, extraites d'une appli largement déployée".
Après avoir davantage évalué sa sécurité et son efficacité, les chercheurs estiment que ce modèle prédictif pourrait être proposé à des milliers de patients et leur permettre de renforcer leur autonomie et leur contrôle de la maladie et ainsi, réduire leur "dépendance" aux soins primaires, poursuit-il. L'objectif est de mieux gérer les exacerbations pour diminuer les hospitalisations et leur poids sur le système de santé.
Mais d'autres études sont nécessaires pour déterminer le niveau d'alerte acceptable pour le patient et vérifier son efficience.

Covid-19: bonnes performances de l'analyse vocale

Dans la seconde étude, Wafaa Aljbawi de l'université de Maastricht (Pays-Bas) et ses collègues ont développé une IA qui semble pouvoir détecter une infection à Sars-CoV-2 plus facilement et plus précisément qu'un test antigénique. "Ces résultats prometteurs suggèrent qu'un simple enregistrement de la voix et qu'un algorithme bien ajusté pourraient déterminer avec une haute précision les patients qui ont un Covid", commente la chercheuse dans le communiqué de l'ERS.
"Un tel test est accessible sans aucun coût et simple à interpréter; il est aussi disponible à distance, en moins d'une minute. Il pourrait être utilisé, par exemple, pour un dépistage rapide d'une population, par exemple aux points d'entrée de grands rassemblements."
Il s'agit d'un système d'analyse automatique de la voix, un spectrogramme du signal audio reposant sur l'échelle des Mels (unité de hauteur d'un son), que les chercheurs ont appliqué à des enregistrements sonores recueillis par l'université de Cambridge auprès de 4.352 personnes dont 308 étaient positifs au Sars-CoV-2 à l'aide d'une appli mobile Covid Sounds App.
Celle-ci permettait aux patients de rapporter des données démographiques, des antécédents médicaux, leur statut tabagique et d'enregistrer des sons respiratoires: il leur avait été demandé de tousser trois fois, de respirer profondément par la bouche cinq fois et de lire une phrase affichée sur l'écran de leur téléphone trois fois.
L'un des modèles d'analyse reposant sur des réseaux neuronaux s'est montré particulièrement performant, avec une sensibilité de 89% et une spécificité de 83%.
"C'est une amélioration significative de la précision diagnostique du Covid par rapport à un autotest antigénique, qui a une sensibilité de 56% et une spécificité de 99,5%: avec notre modèle, nous pourrions passer à côté de 11 cas sur 100 alors qu'avec l'autotest, ce serait 44 cas sur 100", commente Wafaa Aljbawi.
Cependant, le modèle doit être validé dans une plus grande cohorte, ce qui pourra se faire avec les enregistrements sonores de désormais plus de 35.000 personnes recueillis par l'appli de l'université de Cambridge.
Cette analyse vocale pourrait permettre avec d'autres outils de diagnostiquer plus rapidement les cas de Covid-19, concluent les chercheurs.
ld/ab/APMnews

[LD7RHJDK1]

A lire aussi